首页 观点正文

美国征信数据质量监管经验及启示

  征信体系已经成为各国重要的金融基础设施,对于促进信贷市场发展、防范信贷风险发挥着重要作用。征信数据的质量至关重要,错误数据或不准确的数据不仅会对消费者获取信贷带来不利影响,对于放贷机构有效识别风险客户、控制信贷风险也会带来较大影响。“数据质量是征信工作的生命线”已经成为共识。美国征信业在立法和行业监管方面都走在世界前列,通过对美国征信业数据质量监管的要求和行动进行分析,以期对完善金融信用信息基础数据库数据质量提供经验借鉴。

  美国征信立法和监管条例关于数据质量的规定

  美国1970年《公平信用报告法》(FCRA)出台目的之一就是要确保信用报告数据的正确。1996年该法的修订及2003年《公平和准确信用交易法》(FACT ACT)、美国消费者金融保护局制订的《监管指引》(Regulation V)等进一步提出了维护征信数据质量的一系列要求,主要涉及三个方面:

  一是对于征信机构,《公平信用报告法》要求其建立合理程序尽最大可能确保信用报告内容的准确性。《公平和准确信用交易法》进一步加强了关于数据准确性和完整性的要求,包括向消费者每年免费一次披露信用报告,提供欺诈预警功能防止身份盗用带来的信息错误问题等。

  二是对于上报机构,立法规定其有确保报数准确、调查异议、及时更正错误并通知所有征信机构等义务,明确数据上报机构在保障数据质量方面发挥着关键作用。监管指引的附录中列出了对于数据上报机构建立数据质量管理政策和流程的详细指引,涉及数据生成、上报、保存、更新和更改、日常监测、接受征信机构反馈、异议调查、员工培训等内容,并要求数据上报机构持续验证相关政策和流程的有效性予以更新。

  三是对于消费者,赋予其每年免费获取个人信用报告、对于错误数据向征信机构或数据上报机构提异议等权利。

  四是对于数据使用机构,当依据信用报告内容做出对消费者不利的信贷决定要告知消费者,以最大程度降低错误数据对消费者带来的不利影响。

  美国联邦贸易委员会发起的征信数据质量调查活动

  根据《公平和准确信用交易法》第319节的规定,美国联邦贸易委员会要对征信数据的准确性和完整性开展调查活动,一方面掌握征信行业数据质量的真实情况,另一方面评估对征信机构及数据上报机构的各项要求的实施效果和影响。自2004年开始,美国联邦贸易委员会每两年向议会上报进展情况,并于2015年完成了最终的报告。

  全面数据质量调查方法的研究和应用

  以往关于征信业数据质量的调查主要有三种,分别是消费者问卷调查、对异议数据进行统计分析、对征信机构随机选取的部分消费者信用报告进行检查。联邦贸易委员会认为这些调查方法存在一定缺陷,没有将参与征信体系的三方(消费者、征信机构、数据上报机构)纳入调查体系,样本数据的选取也不具有代表性。为此,联邦贸易委员会经过充分的研究和多轮试验,拟定了一个较为科学、合理的调查方法。

  样本选取:综合考虑了美国三大个人征信机构的客户群占比、人群属性、信用评分分值分布、各类人群的响应率情况等,最终确定了1001名信息主体参与调查活动,查看了来自三家征信机构的信用报告共2968个。

  调查流程和评估重点:把信息主体作为信用报告信息核查的重要参与方,配备了专门人员协助消费者发现错误信息、提出异议申请并核查异议处理结果,异议流程结束后将信用报告的变化与原来的报告信息进行比对,从信息主体及信用报告两个层面分别统计分析“实质性错误”(即有可能带来评分变化的错误)的发生情况及影响。

  调查活动的主要发现及后续跟踪

  2012年的主报告对调查结果做了分析,在1001名参与者中,262名的消费者(26%)认为信用报告中至少存在一处实质性错误信息;经过异议处理,206名消费者(21%)至少一个信用报告中的错误得到修改;129名消费者(13%)的评分发生了变化,其中有52人评分变化幅度较大,可能影响授信机构对其风险评定等级。从信用报告的层面统计,共572个(19%)信用报告存在实质性错误信息,399个报告信息得到更正,211个报告的评分发生变化,报告还对错误信息的类型、人群分布等进行了分析。2014年联邦贸易委员会进行了跟踪调查,主要关注已经移除的负面信息重新出现以及对存在质疑的异议结果后续跟踪处理情况,最终结果显示仅有2名消费者的信用报告出现负面信息重新插入的问题,存在质疑的异议结果最终客户也基本认可,结果比较乐观。

  消费者金融保护局关于数据质量的监管情况

  消费者金融保护局2012年开始对大型征信机构实施监管,并对向征信机构报数的机构进行监管。同年开始受理消费者关于征信行业的投诉,维护消费者的合法权益。征信数据质量和异议处理一直是消费者金融保护局监管的重点,通过现场监管、非现场检查、要求相关机构定期上报报告及座谈等多种形式,消费者金融保护局较好地履行了监管职责。

  关于数据质量的消费者投诉统计

  根据消费者金融保护局的统计,关于信用报告的投诉月均4500笔左右,在所有投诉中数量位居第二,仅次于债务催收方面的投诉。其中,70%以上的投诉是反映信用报告数据质量问题,此外,还有11%的投诉反映征信机构异议调查流程的问题。

  消费者反映数据有误的情况主要分为六类:反映信息不是本人的(匹配错误或者冒名等原因)发生率最高,占到35%;账户状态(按时还款、账户关闭)错误占比30%;信贷业务记录(放贷机构名称、余额等)错误占比11%;公共信息错误占比9%;个人基本信息错误(如生日、地址信息)占比8%;已删除的信息再次出现在报告中的情况占比7%。此外,关于对征信机构异议调查不满意的投诉中,反映较多的异议调查结果没有及时反馈、流程冗长等问题,一定程度上也对数据准确性带来影响。

  对征信机构的审查重点和整改情况

  消费者金融保护局主要从两个方面入手,一是监督数据管理情况,要求征信机构建立完备的数据治理体系、实施数据质量控制的一系列措施、定期向数据上报机构反馈数据质量报告、加强对数据上报机构的审查监督和日常监控;二是监督征信机构的异议处理活动,要求征信机构落实异议调查要求,畅通异议申请和资料上传通道、联合数据上报机构进行核查、向数据上报机构和消费者及时通告异议处理情况等。

  对于历次审查中发现的问题,征信机构都逐一进行整改。例如,健全数据治理体系,规范了关于数据质量的内部决策流程,统一数据定义和标准,加强对数据上报机构的审查和监控,对于数据质量不达标的机构停止接收其数据等;研发各种测试手段,解决之前由于匹配错误导致的数据问题,开发软件工具主动识别错误信息进行提示;错误信息进行更正或删除后及时通知上报机构,监控数据上报机构的异议响应和回复率等等。

  对数据上报机构的审查重点

  消费者金融保护局要求数据上报机构建立合规管理体系(Compliance Management System ,CMS),前期审查发现的问题主要有:部分机构数据治理体系不完善,制度更新不及时,董事会监督机制薄弱;未按照监管要求对员工进行数据报送方面的培训;没有对上报的数据定期进行检查、抽样验证;不能及时接收征信机构反馈的异议信息等,异议调查不到位等。对于这些问题,消费者金融保护局也要求数据上报机构进行整改,以提升报送数据的质量。

  加强征信数据质量管理的经验借鉴与启示

  信用报告信息不准确带来的后果是严重的,不仅可能危害消费者利益,动摇消费者对征信体系的信心,也将对信贷体系运行的有效性带来不利影响。从上文的介绍可以看出,美国征信业监管将提升征信数据质量作为第一要务,建立了一个比较完备的监管体系,确保参与各方各司其职、发挥作用,最大程度确保数据的准确性、完整性和及时性。

  金融信用信息基础数据库运行至今,数据质量问题一直受到高度重视,征信中心从数据入库前、入库中、入库后三个阶段采取多项有力的措施,控制源头报送数据的质量,监测并反馈不符合规则的数据,通过两端数据核对、定点监测等手段检验上报机构数据报送的完整性、准确性和及时性,取得了一定成效。对比美国数据质量监管的要求和做法,征信数据质量管理工作未来还有以下提升和改进空间:

  一是数据质量衡量应加入信息主体作为重要的参与方。征信信息是否真正准确、完整,需要充分考虑信息主体的意见。目前仅关注金融信用信息基础库收录的信息和上报机构自身业务数据库的一致性存在片面性,难以切实反映和评估数据的真实情况,应当参考美国联邦贸易委员会等机构在衡量征信数据质量方面的经验,规划设计科学的评价方法,建立较为全面的数据质量衡量体系。

  二是异议处理对于改善数据质量的积极作用应得到重视。异议处理一方面是维护消费者合法权益的手段,另一方面也是促进数据质量改进的重要措施。应将异议数据分析/反馈与数据质量管理的日常工作有机融合,避免二者脱节,从异议入手探寻深层次的数据质量问题并予以改进。此外,还应继续加强面向社会公众的宣传和倡议,鼓励信息主体查询自身信用报告,对存疑的信息积极申请异议处理。

  三是建立健全数据治理体系发挥顶层设计的关键作用。目前已经出台了一些关于数据质量的专项管理制度,应当在此基础上继续完善,建立数据治理体系,确保相关原则、政策、流程明确,建立覆盖全流程各环节的综合性的数据管理制度,厘清问题和边界,不留盲区,提升管理效能。数据治理作为高层次、规划性的管理活动至少应包含明确各参与方角色权责、对数据上报机构的审查和监测制度、培训辅导机制、激励约束机制等多方面。同时,应当充分借鉴国际经验,建立数据管理最佳指引,要求数据上报机构健全自身数据治理体系、健全数据管理措施,从源头上稳步提升数据质量。

    作者:杨渊 现任人民银行征信中心研究发展部总经理助理。

责任编辑:陈近梅

分享:
数博故事
贵州

贵州大数据产业政策

贵州大数据产业动态

贵州大数据企业

更多
大数据概念_大数据分析_大数据应用_大数据百科专题
企业
更多